基于关联度的决策概率转换方法

针对基本概率赋值转换为决策概率的问题,提出一种新的基于关联度的决策概率转换方法.该方法将单子集命题的基本概率赋值和转换后的决策概率之间的关联度作为评价转换方法的标准,并用其对比例信度转换方法和比例似然度转换方法进行线性组合,得出命题的决策概率.通过算例对比新方法与已有方法,结果表明新方法更加合理有效.     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

一种改进的D-S证据合成方法及其应用

针对高度冲突证据的合成问题,分析了传统Dempster组合规则及其改进方法的不足,提出了一种新的冲突证据合成方法。该方法首先计算证据之间的距离矩阵和相似度矩阵,然后计算各证据获得其它证据的支持度,将支持度归一化处理得到各证据的可信度,最后基于可信度采用加权平均的方法将证据冲突概率分配给各个命题。数值算例结果表明,该方法减小了冲突证据在组合规则中的作用,有效地降低了干扰信息的影响,能够得到合理的融合结果。     

证据理论与贝叶斯网络相结合的可靠性分析方法

针对可靠性分析中存在的认知不确定性问题,将证据理论引入到贝叶斯网络。给出了存在认知不确定性时故障树向贝叶斯网络的转换方法,以及基于信任测度和似然测度求解顶事件发生概率的方法。研究了三种重要度的求解方法,同时提出了一个重要概念--认知重要度,给出了其实际意义和计算方法。最后,运用所提出方法对某导弹发动机进行了可靠性分析,结果表明,该方法增强了贝叶斯网络处理不确定性信息的能力,简单有效且可以得到更丰富的信息。     

基于权重系数与冲突概率重新分配的证据合成方法

证据合成方法将来自不同信息源的独立证据信息组合,产生更可靠的证据信息。但在证据完全冲突或冲突较大时,Dempster-Shafer证据合成公式失效。鉴于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数和冲突概率的重新分配,新的合成方法提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。     

多传感器自动目标识别中的冲突证据组合方法

针对决策级信息融合中的冲突证据组合问题进行了深入的研究。在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法。该方法首先计算证据之间的相似度矩阵,其次计算各个证据之间的可信度,最后采用归一化的可信度对证据进行加权平均,再进行n-1次DS组合。仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果。     

基于支持度的改进证据合成方法

针对Dempster方法在合成高度冲突的证据时结果与直观结论相悖的问题,提出了一种基于支持度的改进证据合成方法。首先根据证据之间的相似性程度判断是否存在证据冲突,对于总数在3条以上且存在冲突的证据组合,应用各证据的支持矩阵,通过其最大特征值对应的特征向量导出各证据的支持度系数,由此对基本概率分配（basic probability assignation, BPA）函数进行转化,再采用Dempster方法进行合成。仿真计算结果表明,该方法能有效处理冲突证据组合,克服了一票否决问题,相对于其它几种典型改进算法具有更快的识别速度,能进一步减小识别结果的不确定性,并保留了Dempster方法满足交换律、结合律的良好特性。     

基于可信因子的证据源修正方法

针对高冲突证据在组合过程中产生冲突悖论、一票否决的问题,提出一种基于可信因子的证据源修正方法。首先通过对多源证据的一致性处理,实现冲突证据的判断与修正;接着分析证据源的可靠性和不确定度,在此基础上给出可信因子定义;最后利用可信因子对证据源进行可信运算。对比实验表明,该方法能有效地解决冲突证据组合问题,得到合理的结果。     

证据冲突下D-S融合算法的改进

针对D-S证据理论在处理高冲突证据时会出现悖论这一情况,在D-S理论框架下,给出冲突程度的判别方法,并提出一种改进的相对加权融合算法.该算法根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,并求得各证据的相对折扣因子,对各证据信息进行折扣处理后用D-S规则融合,消除了信息冲突环境下D-S合成法则悖论.为验证改进算法的有效性,给出了仿真分析,验证了该算法在证据冲突的情况下能有效地减小冲突对组合结果的影响,降低了决策风险.     

互补判断矩阵的两种排序方法——权的最小平方法及特征向量法

根据互反判断矩阵和互补判断矩阵的转换公式 ,给出了互补判断矩阵的转换矩阵 .从最优化角度提出了互补判断矩阵排序的权的最小平方法 ,并给出了严格的理论证明 .而且 ,基于转换矩阵 ,提出了互补判断矩阵排序的特征向量法 (CEM) ,给出了其相应的迭代算法及互补判断矩阵的一致性检验方法 .最后进行了算例分析.     

不确定非线性控制系统的反演递推设计

针对一般不确定非线性严反馈系统的稳定和跟踪两个基本问题，提出并证明了系统控制律直接反演设计的递推公式。针对反演递推方法存在的“运算膨胀”问题，提出采用高增益反馈抑止虚拟输入微分项的方法来简化设计，并给出高增益反演设计的递推公式。通过仿真实例说明了结论的正确性、鲁棒性和有效性。     

基于相关反馈学习的三维目标检索算法

针对三维目标(3D object)检索问题,提出了一种基于混合描述符及多支持向量机融合相关反馈学习的3D目标检索方法。在分析现行3D模型检索方法的基础上,提出了混合描述符H_D及相关反馈学习的总体思路。讨论了H_D框架构建,即在光场图像阵列自适应聚类基础上,分别实现H_D各个子描述符。讨论了基于多支持向量机的融合分类学习机制,并将其用于3D目标检索反馈学习环节,对H_D检索性能及相关反馈学习分类进行了实验分析,结果表明所提出的方法是有效的。     

Static output feedback control for discrete-time fuzzy bilinear system

The problem of designing fuzzy static output feedback controller for T-S discrete-time fuzzy bilinear system (DFBS) is presented.Based on parallel distribution compensation method,some sufficient conditions are derived to guarantee the stability of the overall fuzzy system.The stabilization conditions are further formulated into linear matrix inequality (LMI) so that the desired controller can be easily obtained by using the Matlab LMI toolbox.In comparison with the existing results,the drawbacks,such as coordinate transformation,same output matrices,have been eliminated.Finally,a simulation example shows that the approach is effective.     

Resultant elimination via implicit equation interpolation

It is well known that resultant elimination is an effective method of solving multivariate polynomial equations. In this paper, instead of computing the target resultants via variable by variable elimination, the authors combine multivariate implicit equation interpolation and multivariate resultant elimination to compute the reduced resultants, in which the technique of multivariate implicit equation interpolation is achieved by some high probability algorithms on multivariate polynomial interpolation and univariate rational function interpolation. As an application of resultant elimination, the authors illustrate the proposed algorithm on three well-known unsolved combinatorial geometric optimization problems. The experiments show that the proposed approach of resultant elimination is more efficient than some existing resultant elimination methods on these difficult problems.     

基于转换的混合判断矩阵排序方法及比较研究

介绍加型一致性和积型一致性混合判断矩阵的概念,相应的定义了加型转换和积型转换。基于这两种转换,分别给出了将混合判断矩阵转换为互反判断矩阵的特征向量法和对数最小二乘法以及转换为互补判断矩阵的改进的最小方差法。通过算例说明了所给算法的可行性和有效性。从方法的难易,区分度及客观性三方面对现有方法做了对比分析。结果表明所给方法比较简洁和有效,具有很好的可靠性和实用性。     

基于高斯混合EM聚类的多编队航迹起始方法

针对现有航迹起始方法难以对编队目标进行有效航迹起始的问题,在Hough变换法及其衍生算法基础上,提出基于Hough变换和高斯混合最大期望(expactation maximazation,EM)聚类的多编队目标航迹起始方法。该方法首先利用量测数据的时序信息和目标的运动参数进行筛选,剔除大量虚假量测;再对筛选后的量测数据进行Hough变换,得到初步航迹信息;然后利用相异度矩阵对所得航迹进行预聚类,完成聚类中心初始化;最后进行高斯混合EM聚类,得到聚类结果。仿真结果表明,与Hough变换法及其衍生算法相比,该方法能够快速有效地起始编队目标的航迹,解决了目标密集带来的航迹起始混乱问题。     

收益管理中考虑顾客策略行为的多航班无约束估计方法

传统的收益管理多航班无约束估计方法假设顾客到达时的购买决策是一次性的,未能充分考虑策略型顾客的跨期替代行为.在仅能获取产品的历史可观察订购量、历史预售开放状态以及市场份额信息的情况下,基于顾客偏好排名列表建立了考虑顾客策略行为的非参数离散选择模型.针对历史预售数据的不完备性,采用EM算法对顾客到达率和非参数离散选择模型的概率质量函数进行联合估计,并提出了考虑历史顾客策略行为的"初始需求"无约束估计计算方法.使用数值算例说明了所提方法的可行性,通过与现有文献中已有方法比较,验证了所提多航班方法能够反映产品价格变化对顾客选择行为的影响,并能更加有效地避免需求预测对未来顾客"初始需求"的高估.     

DSFT的建立及故障概率空间分布的确定

为利用工矿企业生产过程中已有的长期监测得到的元件故障数据,提出适合于处理这些数据的离散型空间故障树(DSFT).在DSFT基础上提出了确定元件故障概率空间分布的方法,即因素投影拟合法和基于神经网络(ANN)的方法.给出了这两种方法的具体实现过程,考虑了工作时间t和工作温度c对于元件故障的影响,研究了范围c:0~40℃,t:0~50天内的元件故障概率空间分布.并将这两种方法和CSFT得到的元件故障概率空间分布进行了对比分析.比较分析证明:使用DSFT的ANN预测法所得结果要比使用DSFT的因素投影拟合法更为接近CSFT的相对真实结果.在只有监测数据而不清楚系统结构的情况下这两种方法均适用,但ANN法更精确.